Высокий
ДомДом > Блог > Высокий

Высокий

Jun 04, 2024

Научные отчеты, том 12, Номер статьи: 9347 (2022) Цитировать эту статью

2130 Доступов

2 Альтметрика

Подробности о метриках

Элеузин индийский, используемый в традиционной медицине, проявляет антипролиферативную активность в отношении нескольких линий раковых клеток. Однако метаболомические исследования для оценки метаболитных изменений, вызываемых E. indica в раковых клетках, все еще отсутствуют. В настоящем исследовании изучалось противораковое действие фракции корня E. indica (R-S5-C1-H1) на клеточные линии H1299, MCF-7 и SK-HEP-1, а также анализировались метаболические изменения в обработанных раковых клетках с использованием ультра -высокоэффективная жидкостная хроматография и масс-спектрометрия высокого разрешения (УВЭЖХ-МСВР). Анализы метаболической активности клеток показали, что жизнеспособность клеток трех линий раковых клеток значительно снижалась после обработки R-S5-C1-H1, при этом значения полумаксимальных ингибирующих концентраций составляли 12,95 мкг/мл, 15,99 мкг/мл и 13,69 мкг. /мл через 72 ч соответственно. Микроскопический анализ с использованием флуоресцентных красителей Hoechst 33342 и аннексина V показал, что клетки, обработанные R-S5-C1-H1, подвергались апоптотической гибели клеток, тогда как хемометрический анализ показал, что апоптоз запускался через 48 часов после обработки R-S5-C1-H1. Деконволюционная клеточная метаболомика показала, что гидрофобные метаболиты были значительно изменены, включая триацилглицерины, фосфатидилхолин, фосфатидилэтаноламин, сфингомиелин и церамиды, что позволяет предположить, что индукция апоптоза с помощью R-S5-C1-H1 потенциально происходит за счет модуляции синтеза фосфолипидов и метаболизма сфинголипидов. Эти результаты метаболомического профилирования дают новое представление о противораковых механизмах E. indica и облегчают общее понимание молекулярных событий после терапевтических вмешательств.

In the continuing battle of humans against cancer, which dates as far back as 3000 BC, the earliest written account of cancer is the description of breast cancer found in the Edwin Smith Papyrus1. Currently, cancer remains one of the leading causes of premature death among people aged between 30 and 69 years worldwide2,3. It is estimated that there were 19.3 million new cases in 20202 and almost 10.0 million deaths from cancer. Furthermore, the incidence of all cancers in Malaysia has been projected to almost double by 2040, from 48,639 to 86,666 new cases (2020)." href="/articles/s41598-022-13575-6#ref-CR4" id="ref-link-section-d279179327e580">4. Несмотря на недавние терапевтические достижения5, это заболевание продолжает влиять на качество жизни пациентов из-за ограничений современных методов лечения рака.

По данным Всемирной организации здравоохранения, многие люди по-прежнему полагаются на фитотерапию в качестве основного ресурса здравоохранения6. Таким образом, растениям предстоит сыграть важную роль в революции в здравоохранении. В традиционной китайской медицине травы используются для профилактики и лечения широкого спектра заболеваний7. Например, власти Китая поощряют совместное использование традиционной китайской медицины и западной медицины для защиты и лечения пациентов, инфицированных новым высокоинфекционным коронавирусом (SARS-CoV2), — подход, который на сегодняшний день доказал свою эффективность8. У растений вторичные метаболиты отличаются от компонентов первичного метаболизма, поскольку не участвуют в регуляторном метаболизме; скорее, они функционируют для защиты растения от хищников и вторжения микроорганизмов9. Десятилетия фитохимических исследований более чем 150 000 видов растений показали, что вторичные метаболиты, включая фенольные смолы, флавоноиды, терпеноиды, алкалоиды и серосодержащие соединения, оказывают множество интересных биологических эффектов10. С 1981 года почти три четверти (64,9 %) назначаемых противораковых препаратов были растительного происхождения11. Таким образом, лекарственные растения считаются важными и надежными источниками для открытия противораковых препаратов12,13,14.

Метаболомика – это комплексное исследование полного набора небольших метаболитов (<1500 Да) в биологическом образце15. Этот метод расширяет взгляд системной биологии на организмы, устраняя разрыв между генотипом и фенотипом16,17. Метаболомика широко применяется в исследованиях растений, животных, медицины и продуктов питания. Среди технологий, применяемых в метаболомике, включая ядерный магнитный резонанс (ЯМР), газовую хроматографию (ГХ) и жидкостную хроматографию (ЖХ) в сочетании с масс-спектрометрией (МС), ЖХ-МС является методом выбора для обнаружения и определения элементного состава. и молекулярную формулу интересующего аналита, поскольку это может быть выполнено без стадии дериватизации. Кроме того, мягкая ионизация и неинтенсивное нагревание в ЖХ для хроматографического разделения снижают вероятность деградации соединений во время профилирования18. Эндогенные и экзогенные метаболические характеристики терапевтических агентов с использованием высокопроизводительной метаболомики позволяют исследователям оценить эффективность и безопасность этих агентов19. В исследованиях рака метаболомные исследования предоставили исчерпывающую информацию и улучшили понимание основных механизмов патогенеза рака и эффектов лекарств посредством оценки метаболических изменений в раковых клетках20,21. Таким образом, идентификация и количественная оценка извлеченных метаболитов позволяют отслеживать реакцию на внешние раздражители в тестовых образцах22,23.

 18.2 MΩ-cm/methanol (MeOH)/chloroform was employed. Following this, the lower layer of the mixture was removed and vacuum-concentrated to obtain a semisolid crude extract./p> 50% were removed, and missing values were replaced by 1/5 of minimum positive values of the corresponding variables by default. The acquired data sets were log-transformed and Pareto-scaled prior to multivariable analyses to examine data distribution and identify outliers. Multivariate analyses of data including PCA, OPLS-DA, and hierarchical cluster analysis (heat map) were obtained. Subsequently, for OPLS-DA, the model examined internal relationships in matrix X-variables and response matrix Y. Model quality was estimated by R2X or R2Y values and Q2 values. To avoid OPLS-DA model over-fitting, an additional cross-validation tool (permutation test with Y variables randomized 100 times) was performed for each model. Goodness-of-fit parameters for the OPLS-DA model, R2X, R2Y, and Q2 were calculated (varying from 0 to 1). The R2Y and Q2 in the permutated test described the fitness of the data and the predictability of the derived model, respectively. In addition, the metabolite features (non-parametric t-test, p < 0.05) and corresponding fold changes (fold change threshold ≥ 2) showed how the selected differential metabolites varied between the treatment and control groups; these metabolites were selected and underwent further compound matching and analysis. In the current study, all metabolomics data analyses focused on the non-polar layer only and were performed on the positive ionization mode data sets, as the negative ionization mode revealed no significant differences (data excluded)./p> (2020)./p>